Come sfidare la gravità e resistere alla disruption

La tua azienda sarà ancora solida tra dieci anni? Molte non lo saranno.

Il ritmo del cambiamento è tale da superare persino ciò che per decenni abbiamo usato come riferimento, la Legge di Moore. Iperbole o meno, Jensen Huang, CEO di Nvidia, ha dichiarato di recente che le capacità dell’AI sono cresciute di un milione di volte nell’ultimo decennio e ha lasciato intendere che questo andamento potrebbe continuare.

Dire che le imprese già affermate sono esposte a cambiamenti dirompenti sarebbe riduttivo. Ma è una situazione senza via d’uscita? Assolutamente no. Anche se non sappiamo esattamente cosa riservi il futuro, sappiamo con chiarezza in che direzione stiamo andando. È quindi compito dei leader tecnologici guardare avanti, pensare in grande e iniziare da subito a muoversi verso quella visione, per passi progressivi.

Le decisioni sui dati di oggi, la rilevanza di mercato di domani

Una cosa è certa: molte aziende vivranno o moriranno in base alla loro capacità di usare i dati in modo efficace. Insight sui clienti, qualità del servizio, rapidità con cui si porta un’offerta sul mercato e — per molte imprese — la stessa proposta di valore, dipenderanno sempre più da analisi, automazione e AI generativa alimentate dai dati.

Se la tua azienda non si sta muovendo in questa direzione, la concorrenza lo farà di sicuro. La ricerca di SoftwareOne mostra che nei prossimi due anni il 79% delle aziende prevede di fare progressi significativi nella trasformazione dei processi e delle interazioni con i clienti grazie all’AI.

Per questo è fondamentale ragionare su quali infrastrutture, architetture, cultura e regole di governance serviranno davvero alla tua organizzazione per valorizzare appieno i dati.

Nessun concetto rende meglio l’importanza di ragionare in prospettiva quanto la “gravità dei dati” (data gravity): un termine coniato da David McCrory oltre dieci anni fa, ma oggi più attuale che mai. Il punto è semplice: le decisioni prese oggi sui dati possono creare vincoli che, domani, rendono più difficile adattarsi e restare competitivi.

Per chiarire il concetto, consideriamo un esempio ipotetico tratto dalla precedente ondata di trasformazione digitale.

La storia (di avvertimento) di Heritage Retail

Immagina un’azienda che per anni è stata un punto di riferimento nel retail. Nonostante il successo, negli ultimi tempi Heritage Retail ha iniziato a perdere rapidamente quote di mercato a favore di operatori online nativi cloud, con costi più bassi, maggiore agilità e una migliore capacità di leggere i bisogni dei clienti. Con i ricavi in calo, il management sapeva di dover intervenire.

L’obiettivo era passare da un’infrastruttura monolitica on‑premise a un ecosistema cloud‑native agile, per migliorare l’esperienza cliente e sfruttare analisi avanzate. Le prime fasi del progetto sembravano promettenti. Ma quando l’iniziativa ha toccato le attività core, gli effetti della gravità dei dati e dell’inerzia dei dati sono diventati evidenti.

Il CRM e il data warehouse commerciale, entrambi on‑premise e costruiti nel corso di decenni, contenevano petabyte di dati. Poiché quel database era un perno operativo, applicazioni critiche — come la piattaforma e‑commerce e i sistemi di gestione della supply chain — erano state costruite attorno ad esso. Anni di integrazioni “artigianali” e alimentazioni dati avevano creato una rete complessa e poco documentata di dipendenze.

In termini di “gravità dei dati”, la massa di informazioni rendeva impossibile spostare una sola parte senza muovere contemporaneamente tutte le componenti collegate. In più, il volume dei dati avrebbe generato costi di trasferimento in uscita estremamente elevati durante la migrazione.

Il team si è trovato davanti a una scelta netta: o affrontare una migrazione “tutto e subito” dell’intero ecosistema, intricato e interdipendente (costosa e rischiosa), oppure lasciare le applicazioni on‑premise, fermando di fatto la modernizzazione di una funzione di business cruciale.

Per Heritage Retail, non aver modernizzato gradualmente con una visione di lungo periodo li ha messi con le spalle al muro. È stata la gravità dei dati — più che una pianificazione strategica — a determinare l’evoluzione dell’IT. Col passare del tempo, gli effetti si sono accumulati fino a creare un insieme di sistemi e dati talmente interconnessi da rendere la modernizzazione irrealistica. Quando è arrivato il momento di reagire, i dati più preziosi erano ormai bloccati: l’inerzia impediva di adattarsi e competere nel nuovo scenario.

Superare l’inerzia dei dati

Che cosa possono fare oggi le aziende già affermate per evitare un destino simile?
Primo: capire meglio quali dati critici tengono in piedi il business. Secondo: definire una strategia di modernizzazione che tenga conto delle esigenze future e abiliti l’agilità. Terzo: iniziare subito a fare passi concreti e progressivi verso la visione di lungo periodo.

1. Sapere cosa si ha

   L’effetto “gravità dei dati” è presente in molte organizzazioni. Il primo passo per un piano di modernizzazione che eviti l’inerzia è avere chiarezza su asset e “zavorre” tecnologiche e di dati: che cosa è davvero critico oggi, quanto costa, quali dipendenze lo legano al resto. Prima si ottiene una fotografia affidabile, prima si può procedere con un piano. Analisi di architettura e revisioni di licensing con un partner specializzato possono accelerare questa fase e dare solidità alle decisioni.

2. Sapere dove si vuole arrivare

   Serve poi una visione, supportata da una strategia dati moderna che guidi come l’azienda usa, archivia, collega, classifica e governa i dati. È un lavoro trasversale: la tecnologia è una componente di un “triangolo” che comprende anche persone e processi. Chi lavora quotidianamente con i dati ne comprende meglio il valore; chi presidia la tecnologia ha una visione più chiara di ciò che è possibile e dei tempi necessari. La chiave è costruire insieme una visione e una roadmap orientate sia ai risultati di breve sia a quelli di lungo periodo.

3. Partire ora, senza voler fare tutto in una volta

   Molte organizzazioni hanno un panorama dati vasto e complesso. Provare a identificare, catalogare, ripulire e governare ogni singolo dato prima di avviare qualsiasi iniziativa cloud porta facilmente a paralisi da analisi e ritarda i benefici della modernizzazione. È più efficace stabilire priorità in base a benefici, rischi e dipendenze, e affrontare i problemi per fasi. Metti al primo posto sicurezza, conformità e qualità per i dati sensibili o critici per le operazioni. Per i dati meno critici, si può intervenire progressivamente, man mano che si migra o si sviluppano nuove applicazioni nativamente cloud. Lo sforzo necessario per migliorare la qualità dei dati cambia in base all’uso: operativo, analitico o per l’addestramento dell’AI. Invece di puntare a “migliorare tutto”, l’obiettivo dovrebbe essere rendere i dati adatti allo scopo. Un passo pratico è standardizzare i metadati, così persone e sistemi possono usare i dati nel modo corretto.